ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Identifying affecting factors on prediction of students’ educational statuses

سال انتشار: 1398
کد COI مقاله: ICIKT10_077
زبان مقاله: انگلیسیمشاهد این مقاله: 176
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان مقاله Identifying affecting factors on prediction of students’ educational statuses

Mohammad Shiralizadeh Shiralizadeh - Department of Computer Engineering Shahid Ashrafi Esfahani University Esfahan, Iran
Behzad Soleimani Neysiani - Department of Computer Engineering Shahid Ashrafi Esfahani University Esfahan, Iran
Naser Nematbakhsh - Department of Computer Engineering Shahid Ashrafi Esfahani University Esfahan, Iran

چکیده مقاله:

The primary focus of academic centers is on their students’ performance. They are attempting to identify affecting factors on the performance of students and provide an approach to improve the students’ academic levels. Educational data mining is an emerging field of study. It helps academic centers to predict and evaluate their students’ statuses to improve their academic levels. This study investigates factors influencing the identification and prediction of student educational statuses from two perspectives: academic and algorithmic. A dataset including 26,000 records, was collected from students at the entire grades -including Bsc., MSc., and Ph.D.- of Ashrafi Esfahani University from Sepahanshahr of Isfahan of Iran with 27 different attributes. After preprocessing the data, three algorithms -including the decision tree, Naïve Bayes, and deep learning- were employed in the open-source Rapidminer tool. Finally, the results were put together and compared. It was observed that the decision tree algorithm with the IGR approach had the highest validation performance in predicting statuses about 95%, 68.7%, 78.2% for accuracy, recall, and precision, respectively. Also, 10 top influencing factors, and their relationship as some rules were found, which affects the final statuses of students, including passed credit, total credit, total average, rejected.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/982311/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shiralizadeh Shiralizadeh, Mohammad and Soleimani Neysiani, Behzad and Nematbakhsh, Naser,1398,Identifying affecting factors on prediction of students’ educational statuses,دهمین کنفرانس فناوری اطلاعات و دانشIKT2019,تهران,,,https://civilica.com/doc/982311

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Shiralizadeh Shiralizadeh, Mohammad؛ Behzad Soleimani Neysiani and Naser Nematbakhsh)
برای بار دوم به بعد: (1398, Shiralizadeh Shiralizadeh؛ Soleimani Neysiani and Nematbakhsh)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 454
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی